3月，Scite举办了一场关于 Scite MCP 的线上研讨会。共同探讨了一个正在困扰越来越多人的问题：当AI回答得又快又好，但它的引用却经不起推敲时，我们该怎么办？这篇回顾推文将带你快速了解研讨会的精华。
当前，以ChatGPT、Claude为代表的AI工具在生成研究内容时速度极快，但其引用机制存在根本性缺陷。这些引用往往不是基于真实的文献检索，而是模型根据训练数据分布做出的“AI幻觉”。
这种机制导致了两种主要风险：一是引用可能指向错误的DOI，根本找不到对应的论文；二是即便指向了正确的论文，AI也常常将其用于支撑一个原文并未提出的结论。这类“隐晦的错误”在早期审查中极难被发现，因为它们看起来逻辑通顺、格式规范。研究者为了确保准确性，不得不人工逐一核对每一条引用，这不仅耗费大量时间，也实际上抵消了AI本应带来的效率优势。
Scite MCP正是为解决上述问题而设计的。其核心资产是超过16亿条“智能引文”，每一条引文都被分类为“支持”“对比”或“提及”三种类型，并附带从论文全文中提取的具体上下文片段（通常为三句话），让用户清楚了解一篇文献如何被后续研究所使用。
在技术层面，Scite利用模型上下文协议（MCP）作为标准化的桥梁，将自身庞大的文献数据库直接接入现有的AI工具（如ChatGPT、Claude、Copilot等），使AI的回答不再依赖概率预测，而是基于真实的全文检索。此外，Scite MCP还深度整合了权限访问机制，通过支持LibKey、GetFTR等机构订阅工具以及开放获取（OA）内容。对于高校、企业等机构用户，Scite还提供AI使用分析报告（AI reads），能够追踪哪些论文、期刊、出版商被AI频繁调用，填补了当前COUNTER标准在AI阅读时代的数据空白。
连接方面，ChatGPT用户可通过App Store直接添加Scite，即使是免费账号也能使用；而Claude及Claude Code（需付费）用户则需通过添加自定义MCP连接器（复制URL并完成邮箱认证）来完成配置。
- 真实引用：每条回答都附有真实的DOI、支持/对比/提及的数量统计
- 交互式可视化：在Claude中，系统可自动生成动态图表。点击图表中的节点，即可直接跳转到对应的论文出处。
- 网页生成：在Claude Code中，通过自然语言指令，即可一键生成包含文献综述、交互图表、对比表格和完整参考文献的HTML网页。
- 全文获取：只需发出“获取这些文章”的指令，系统会自动判断每篇论文的访问权限——开放获取、机构订阅或按篇购买——并直接提供可阅读的全文链接。
如果你想立即尝试Scite MCP：
配置指南：访问 https://scite.org/mcp 获取各工具（ChatGPT、Claude等）的详细配置步骤
